9 horas → 25 min
Tempo de primeira resposta do suporte.
CASE DE CLIENTE
Um SaaS de gestão para academias com 7.500 clientes e R$66 milhões de receita recorrente anual contratava para suporte, atendimento e CS antes de ter a supervisão que organiza fila e prioridade. Mil e quatrocentos tickets esperavam, e 40% de quem cancelava citava o atendimento. Em seis meses, a Leverage Now deu fila, SLA e dono ao suporte e ligou ticket a risco de cancelamento: o churn caiu um terço. O trabalho então avançou para a geração de demanda.
De 1,8% para 1,2%
Evolução registrada em seis meses.
CASE DE CLIENTE ANONIMIZADO. Os indicadores refletem a evolução registrada no projeto durante o período informado.
9 horas → 25 min
Tempo de primeira resposta do suporte.
3 dias → 8 horas
Tempo de resolução.
1.400 → 180
Tickets em aberto.
48 → 31
Tickets por 100 clientes por mês.
0%
CSAT do suporte.
0%
Churn mensal.
0%
Cancelamentos que citam atendimento.
35 → 54
NPS.
0%
Conversão de MQL em reunião (marketing).
R$5,50 mi → R$5,85 mi
MRR.
Os indicadores refletem a evolução registrada no projeto durante o período informado.
Em setembro e outubro abriram vagas de suporte, atendimento e customer success e, só depois, a de supervisor de suporte. Enquanto isso, o primeiro retorno levava nove horas, e a academia que tinha um problema de cobrança no dia 5 recebia a resposta no dia 8\. Nada ligava ticket a risco de cancelamento.
O suporte crescia em gente para compensar a falta de fila, prioridade e base de conhecimento; o CS, sem sinal de risco, fazia reunião com quem aceitava. Em paralelo, a cadeira de head de marketing estava aberta desde setembro, e a geração de demanda rodava por inércia.
A análise das quatro frentes e dos cinco riscos apontou a seguinte sequência de prioridades: Reter, depois Atrair. A priorização considerou o impacto potencial, o tempo para resultado, o esforço necessário e as dependências entre áreas.
ABORDAGEM
00
Medimos as quatro frentes: a plataforma tinha disponibilidade de 99,9%, a conversão de vendas era estável e o marketing gerava volume sem dono. O vazamento estava no pós-venda, e o atendimento era o motivo evitável mais citado.
00
Triagem por impacto (cobrança do aluno parada e aplicativo fora à frente), SLA por prioridade, roteamento por especialidade e painel de fila, SLA e CSAT por analista. O coordenador de CS assumiu a supervisão interina; o supervisor entrou no segundo mês.
00
Base de conhecimento com os 30 temas mais frequentes, respostas-modelo, mutirão de duas semanas no backlog, correções de produto nos cinco temas que geravam 35% dos tickets e pesquisa de satisfação em cada atendimento. Cliente com três tickets no mês entra na fila de risco do CS.
00
Head de marketing contratado sobre um funil medido, meta de reunião qualificada em vez de volume de leads, conteúdo para donos de academia e passagem para vendas com SLA.
A triagem por impacto resolveu em horas o que parava a academia, e a base de conhecimento tirou um terço dos tickets da fila antes de abrirem. Com 1.220 tickets a menos em aberto e CSAT de 91%, o atendimento deixou de ser o motivo de quase metade dos cancelamentos, e o churn caiu de 1,8% para 1,2% ao mês: cerca de 45 academias a menos perdidas por mês. O CS, avisado pelos tickets, passou a falar com quem precisava, não com quem aceitava. Na segunda onda, o marketing com dono e meta de reunião quase dobrou a conversão de MQL.
A Leverage Now analisa o contexto do negócio, identifica prioridades e orienta os próximos passos.